Abuse, rate limits & policy control

設計一個正式上線的 AI agent 應用平台：接收使用者目標、管理上下文與記憶、安全地呼叫工具、必要時暫停交由真人審核，並透過 trace 與 eval 持續改善。

設計一個優惠券與促銷平台：使用者瀏覽並搜尋一份龐大、頻繁變動的優惠目錄，並在每個限制內剛好兌換優惠碼一次，絕不讓過時的價格或重複兌換漏出去。

設計一套限量搶購（flash sale）系統：一件熱門商品在固定時刻開賣，數秒內湧入 1000 倍流量——庫存絕不能超賣，而且大多數使用者要能拿到快速、誠實的答覆，而不是卡到逾時。

設計一條內容審核管線，篩查使用者提交的貼文/媒體是否違反政策，在平台規模下權衡發文延遲與審核準確度。

設計一套企業支出管理平台，像 Brex 或 Ramp——每一次刷卡都必須在兩秒內由即時政策引擎完成授權或拒絕，而每一筆交易都必須流進會計系統，並配對到對應的收據。

為一般入場(general admission)的活動設計 Ticketmaster——沒有座位圖，每個票種只有一個固定的容量計數，系統必須在極端的閃售爭搶下正確售票，數千名買家同時搶同一個 counter。

設計一個 webhook 派送平台(Stripe webhooks 那種)，在重試、順序與安全的約束下，可靠地把事件通知送達數千個第三方消費端點。

設計一套 MCP 風格的工具閘道，讓 AI agent 能安全地發現並呼叫企業工具(CRM 寫入、工單、內部 API)，並具備逐使用者授權與可稽核性。

為一個 SaaS 產品設計一套 AI 客服 agent。涵蓋意圖路由、知識檢索、帳戶安全的工具操作、對話記憶、以信心度為基礎的真人升級、支援工單交接、評測套件、隱私控管，以及營運監控。

為公開的 API 平台設計一套分散式 API 速率限制器。涵蓋 token bucket、依使用者的限額、共用計數器、熱 key，以及故障模式。

設計一套即時的 ML 詐欺／風險評分系統，在 100 ms 內為支付交易評分。涵蓋特徵類型（velocity、graph、device）、串流特徵計算、標籤延遲與回饋迴路、分數門檻與成本的取捨、模型加規則的混合架構，以及對抗性漂移。

設計一套 guardrails 管線，用分層的輸入與輸出安全機制把 LLM 應用包起來。涵蓋 prompt injection 與 jailbreak 偵測、PII 遮蔽、輸出審核、工具呼叫與意圖閘控、檢索污染（retrieval poisoning）防禦、這些檢查所增加的延遲預算，以及 fail-open 與 fail-closed 的抉擇。

設計一套 LeetCode 風格的線上評測系統（Online Judge），能在大規模下安全執行不受信任的使用者程式碼。內容涵蓋提交佇列、隔離的多語言執行器（容器／gVisor／Firecracker）、CPU／時間／記憶體限制、不受信任程式碼的安全防護、結果回傳，以及因應競賽尖峰的自動擴縮。